1. Волошок А. С. Анализ роста пассажиропотока крупнейших аэропортов мира // География в школе. 2015. №. 4. С. 9-13. EDN: TVTSWF
2. Ломакина А. И. Евротоннель под Ла-Маншем как элемент транспортной инфраструктуры ЕС // Известия Российской академии наук. Серия географическая. 2008. №. 1. С. 51-59.
3. Исаев С. С. Трансформация территориальной организации международных пассажирских авиаперевозок в конце XX - начале XXI вв.: дис. канд. географ. наук. М., 2011. EDN: QFIZDR
4. Киселёв И. В. Влияние особенностей пространственной структуры города на неравномерность пассажиропотоков на Московском метрополитене // Социально-экономические проблемы развития и функционирования транспортных систем городов и зон их влияния. Материалы XXVII Международной (тридцатой Екатеринбургской) науч.-практ. конференции (19-20 июня 2021 г.) / науч. ред. С. А. Ваксман. Екатеринбург: АМБ, 2021. С. 259-269.
5. Кокорин Д. В. Использование модели “Узел-Место” на примере станций Московского метрополитена // Псковский регионологический журнал. 2023. Т. 19. №. 1. С. 129-145. EDN: NBDNAM
6. Рязанов В. А. Пассажиропоток аэропортов России как индикатор социально-экономической динамики регионов страны // Региональные исследования. 2013. №. 4. С. 74-79. EDN: RUDVGH
7. Тархов С. А. Эволюционная морфология транспортных сетей: методы анализа топологических закономерностей. М.: Институт географии АН СССР, 1989. 221 с. EDN: WZAZHZ
8. Baltyzhakova T., Romanchikov A. Spatial analysis of subway passenger traffic in Saint Petersburg // Geodesy and Cartography. 2021. Т. 47. №. 1. С. 10-20.
9. Cats O., Wang Q., Zhao Y. Identification and classification of public transport activity centres in Stockholm using passenger flows data //Journal of Transport Geography. 2015. Т. 48. P. 10-22.
10. Chopra S. S. et al. A network-based framework for assessing infrastructure resilience: a case study of the London metro system // Journal of The Royal Society Interface. 2016. Vol. 13. No. 118. P. 20160113. EDN: XZDRMT
11. Chowell G., Hyman J. M., Eubank S., Castillo-Chavez C. Scaling laws for the movement of people between locations in a large city // Los Alamos Unclassified Report LA-UR-02-6658. 2005.
12. Du Z., Yang B., Liu J. Understanding the spatial and temporal activity patterns of subway mobility flows // Preprint arXiv:1702.02456. 2017.
13. Gan Z. et al. Understanding urban mobility patterns from a spatiotemporal perspective: daily ridership profiles of metro stations // Transportation. 2020. Vol. 47. P. 315-336. EDN: GCSYDN
14. Hasan S. et al. Spatiotemporal patterns of urban human mobility // Journal of Statistical Physics. 2013. Vol. 151. P. 304-318. EDN: VRVUIF
15. Kim K. et al. An analysis on movement patterns between zones using smart card data in subway networks // International Journal of Geographical Information Science. 2014. Vol. 28. No. 9. P. 1781-1801.
16. Liu L., Biderman A., Ratti C. Urban mobility landscape: Real time monitoring of urban mobility patterns // Proceedings of the 11th international conference on computers in urban planning and urban management. Hong Kong, China: Citeseer, 2009. P. 1-16.
17. Luo D., Cats O., van Lint H. Can passenger flow distribution be estimated solely based on network properties in public transport systems? // Transportation. 2020. Vol. 47. No. 6. P. 2757-2776. EDN: XARCHY
18. Xia F. et al. Ranking station importance with human mobility patterns using subway network datasets // IEEE Transactions on intelligent transportation systems. 2019. Vol. 21. No. 7. P. 2840-2852.
19. Xu Q., Mao B. H., Bai Y.Network structure of subway passenger flows // Journal of Statistical Mechanics: Theory and Experiment. 2016. Vol. 2016. No. 3. P. 033404.
20. Yong N. et al. Uncovering stable and occasional human mobility patterns: A case study of the Beijing subway // Physica A: Statistical Mechanics and its Applications. 2018. Vol. 492. P. 28-38.
21. Zhao J. Et al. Spatio-temporal analysis of passenger travel patterns in massive smart card data // IEEE Transactions on Intelligent Transportation Systems. 2017. Vol. 18. No. 11. P. 3135-3146. EDN: MBOULB